databrickslabs/ontobricks

解决的问题

OntoBricks 简化了将 Databricks 表中的结构化数据转换为可查询、物化的知识图谱的过程。它通过提供一个集成的 Web 应用程序，自动完成从元数据导入到图谱可视化的整个流程，消除了手动设计本体、映射数据和管理三元组存储的繁琐工作。

工作原理

OntoBricks 使用多步骤管道将 Databricks Unity Catalog 表转换为图谱：

1. 本体设计：用户可通过可视化画布创建本体（OWL），或导入行业标准。LLM 驱动的助手可通过自然语言帮助设计实体和关系。
2. 映射：系统使用 R2RML 将本体实体映射到表。LLM 可自动生成功能 SQL 映射。
3. 物化：数据被物化到三元组存储中。该项目支持多种后端：Lakebase（Postgres）、Lakehouse（Unity Catalog Delta 表）或 Neo4j。
4. 查询与推理：生成的图谱通过自动生成的 GraphQL API 和可视化查看器暴露。用户可以运行 OWL 2 RL 推理、SWRL 规则和 SHACL 验证，对数据进行语义推理。

适用人群

专为在 Databricks 生态系统中工作的数据工程师和架构师设计，适用于需要构建知识图谱以进行复杂数据分析、数据质量验证或语义搜索的场景。

主要亮点

• LLM 驱动的自动化：通过“四步点击”流程，利用 LLM 从元数据生成本体和 SQL 映射。
• 可插拔图谱后端：支持 Lakebase（Postgres）、Lakehouse（Delta）和 Neo4j。
• 高级图谱分析：包含数据聚类检测（Louvain、标签传播）和用于实体分组的群体发现功能。
• 语义推理：内置对 OWL 2 RL、SWRL 规则和 SHACL 约束的支持。
• Unity Catalog 集成：可将 Unity Catalog 函数绑定到本体类，作为图谱节点上的可执行操作。